自从去年央行首次准许8家偏互联网性质的民营公司试水个人征信业务后，征信这个中国消费者心里的“盲区”开始被热炒。实际上，在与免押金住酒店权益相对应的个人征信市场之外，还存在一个企业征信市场。眼下，在线贸易起家的阿里巴巴打算在征信市场两条腿走路。

今年7月，蚂蚁金服旗下芝麻信用宣布获得由央行颁发的“企业征信业务经营备案证”，这意味着芝麻信用已经在开展针对小微公司的信用体系建设，主要围绕小微企业信贷风控、反欺诈等进行。在这之前，人们对芝麻信用的印象更多是与支付宝上的“芝麻分”捆绑的个人征信业务。

目前，在阿里巴巴当年起家业务B2B里，也有一支主要由海归高管新组建的模型团队在做企业征信。团队带头人尹明在接受第一财经记者专访时解释称，蚂蚁金服的企业征信主要面向小微企业，与金融具有强相关性，而这个团队做的是怎样将企业的诚信进行量化，范围更宽泛更社会化，两者侧重点不同。

国家层面现在对征信主要是两部委在牵头抓，一方面是人民银行的征信中心，另一个是发改委提倡建设诚信中国。芝麻信用的个人征信业务是央行监管领域，是对央行个人征信的补充;而阿里B2B在做的更偏发改委牵线的诚信建设。

面对一个比个人征信更复杂的企业征信市场，阿里的大数据能力会保证其两条腿协调走路吗?

美国人怎么玩儿征信?

在分析国内的征信市场前，有必要先看看征信最发达的美国的情况。在美国，个人征信是一个比企业征信更成熟的市场。FICO公司推出的标准化分数在美国已家喻户晓。总部位于硅谷的FICO公司的核心技术是模型算法，它的数据来源于美国三大征信局TransUnion、Experian和Equifax。

在关系上，FICO通过三大征信局向用户提供FICO Score评分，放贷人等分数使用者根据使用信用评分的情况向三大征信局付费，征信局同时向FICO支付相应费用。过去几年，FICO的收入来源平均每年有16%左右来自三大征信局。但现在征信局也在开发推广各自更垂直化场景中的信用分数，与FICO产生了竞争关系。

每个美国人都拥有一张终身唯一的社会保障卡，这个卡纪录了从读书、工作、租房、置业，到贷款、缴费、信用卡开户等各种行为，而且这些场景的后台数据库共享，很多业务办理前都会先查信用分。在个人征信领域，美国法律强制银行、电信等部门定期将用户数据汇报给征信局。美国公民在信用面前基本上是一个“诚实的透明人”。

曾在美国花旗银行、摩根大通和通用电气做过金融风险管理的尹明讲了一个他朋友的故事。此人要出租一套位于西雅图的住房，一位年薪20万美元的销售经理有意租用，但他的FICO分数不到600分;权衡之下，最后这位朋友把房子租给了一位FICO分超过700、但薪水远低于销售经理的橄榄球教练。结果在合同到期前，橄榄球教练因工作临时变动要去另一个城市，但他仍按合同支付房租，并雇人定期修剪草坪，直到房东找到下一个房客。信用分数在很多场景下发挥了守门员的角色。

在个人征信市场之外，美国的企业征信市场基本是Dun&Bradstreet(邓白氏)一家独大的格局。企业征信这个领域又细分为资本市场信用评估和普通企业征信服务。知名的资本市场评级机构穆迪，以及美国最大的市场调查公司尼尔森，以前都出自邓白氏集团。与美国法律强制要求银行、电信等机构定期向征信局汇报用户数据的个人征信领域不同，在企业征信中并没有这种要求。

传统机构之外，美国近些年也诞生了像ZestFinance这类靠机器学习和大数据做企业征信评分的高科技征信公司。上个月，百度对ZestFinance进行了投资。尽管领先全球，但美国征信体系也不是没有漏洞，比如它过于关注经济交易数据，相对忽视了企业基础素质和合规方面的征信，这也是大数据征信可以去完善的空间。

中国的互联网式追赶

中国的个人征信一直是央行在主导，但因为数据维度十分有限(主要是银行数据)导致发展缓慢，才尝试引入民间征信机构、特别是在风控技术和大数据方面有优势的互联网公司一起做，以阿里和腾讯为代表。相比于几乎白纸一张的国内个人征信市场，企业征信起步更早，央行在这个领域并没有积累优势，让位于市场化公司。

早在1994年，邓白氏就进入中国，在上海设立了邓白氏国际信息(上海)公司，两年后又在北京设立了分公司。2005年前后，国内出现了一次外资征信机构对中资的并购潮，邓白氏收购华夏信用，成立华夏邓白氏;Experian并购新华信后更名益博睿新华信。可见，在阿里巴巴B2B进入之前，企业征信市场已经有人试图占山为王。

但这个总盘子过于庞大，给技术上更先进的互联网公司留下大片未开垦地去后来居上。以前，阿里巴巴外贸批发平台alibaba.com只是一个信息撮合渠道，交易仍通过线下完成。但近两年阿里B2B平台实现转型，更多跨境批发交易在线上完成。特别是在收购外贸综合服务机构一达通后，通关、结汇、退税、物流、金融等数据开始沉淀在阿里平台上。尹明带领的这个团队正是从外贸场景切入到企业征信领域。

前两年发改委对外称，每年因企业失信导致的损失在6000亿规模。拿外贸行业为例，通过兜圈贸易拉上一批名不副实的货物从香港转一圈再回来，以此骗取出口退税现象普遍。阿里B2B团队通过后台模型，监控这个过程中的异常点，比如外贸公司在短时间内针对同一类商品，以相同数量多次出口到就近境外地区;与该类商品的行业平均价格做比较，检测是否存在出口价格高报现象;通过拿原材料进货情况、企业生产能力等数据去比较出口申报量，以识别外贸生产工厂是否进行虚假贸易，骗取增值税退税等。

这是传统征信方式相对较难发现的欺诈行为。实际上，互联网公司的优势并不仅仅在于其积累大数据的能力与数据量级，而是通过对大数据进行关联性分析，找出背后本不会被发现的规律。另外一个优势就是数据安全能力。此前在TransUnion干了4年、Equifax干了3年的风险模型开发师龚坚说，美国征信相关法律光规范如何从第三方获取数据就有一个几百页的法典。中国在这方面基本上还是空白。

阿里B2B征信团队的设想是跳出外贸场景，今后覆盖更多企业行为场景，将这种模型能力通过标准化产品变成一种SaaS层服务，对外输出给海关、税务、银行等第三方机构，对企业诚信进行量化。